大數(shù)據(jù)的初衷就是將一個(gè)公開、高效的政府呈現(xiàn)在人民眼前。你知道數(shù)據(jù)報(bào)告心得體會(huì)是什么嗎?接下來就是學(xué)習(xí)啦小編為大家整理的關(guān)于數(shù)據(jù)報(bào)告心得體會(huì)，供大家閱讀!

　　數(shù)據(jù)報(bào)告心得體會(huì)篇1

　　介紹數(shù)據(jù)分析/挖掘的圖書有很多，這些圖書分為很多等級(jí)，有的是直接面向應(yīng)用(business, academy or interplay between both two)，有的是介紹理論背景(個(gè)人認(rèn)為很重要，如果以20/80規(guī)則，這些圖書將有助于解決剩余20%的問題，不過你可能要付出80%精力)，有的是結(jié)合各類計(jì)算工具(例如SAS，Excel，R etc)。相信很多人對(duì)此都很頭疼，到底應(yīng)該如何選擇呢?

　　現(xiàn)在先談?wù)勎覀€(gè)人在數(shù)據(jù)分析的經(jīng)歷，最后我將會(huì)做個(gè)總結(jié)。

　　大學(xué)開設(shè)了兩門專門講授數(shù)據(jù)分析基礎(chǔ)知識(shí)的課程：“概率統(tǒng)計(jì)”和“高等多元數(shù)據(jù)分析”。這兩門選用的教材是有中國(guó)特色的國(guó)貨，不僅體系完整而且重點(diǎn)突出，美中不足的是前后內(nèi)在的邏輯性欠缺，即各知識(shí)點(diǎn)之間的關(guān)聯(lián)性沒有被闡述明白，而且在應(yīng)用方面缺少系統(tǒng)地訓(xùn)練。當(dāng)時(shí)，我靠著題海戰(zhàn)術(shù)把這兩門課給混過去了，現(xiàn)在看來是純忽悠而已。(不過，如果當(dāng)時(shí)去應(yīng)聘數(shù)據(jù)分析職位肯定有戲，至少筆試可以過關(guān))。

　　抱著瞻仰中國(guó)的最高科研圣地的想法，大學(xué)畢業(yè)后我奮不顧身的考取了中科院的研究生。不幸的是，雖然頂著號(hào)稱是高級(jí)生物統(tǒng)計(jì)學(xué)的專業(yè)，我再也沒有受到專業(yè)的訓(xùn)練，一切全憑自己摸索和研究(不過，我認(rèn)為這樣反而挺好，至少咱底子還是不錯(cuò)的，一直敏而好學(xué))。首先，我盡全力搜集一切資料(從大學(xué)帶過來的習(xí)慣)，神勇地看了一段時(shí)間，某一天我突然“頓悟”，這樣的學(xué)習(xí)方式是不行的，要以應(yīng)用為依托才能真正學(xué)會(huì)。然后呢，好在咱的環(huán)境的研究氛圍(主要是學(xué)生)還是不錯(cuò)滴，我又轟轟烈烈地跳入了paper的海洋，看到無(wú)數(shù)牛人用到很多牛方法，這些方法又號(hào)稱解決了很多牛問題，當(dāng)時(shí)那個(gè)自卑呀，無(wú)法理解這些papers。某一天，我又“頓悟”到想從papers中找到應(yīng)用是不行的，你得先找到科學(xué)研究的思路才行，打個(gè)比方，這些papers其實(shí)是上鎖的，你要先找到鑰匙才成。幸運(yùn)的是，我得到了笛卡爾先生的指導(dǎo)，盡管他已經(jīng)仙游多年，他的“談?wù)劮椒?rdquo;為后世科研界中的被“放羊”的孤兒們指條不錯(cuò)的道路(雖然可能不是最好地，the better or best way要到國(guó)外去尋找，現(xiàn)在特別佩服毅然出國(guó)的童鞋們，你們的智商至少領(lǐng)先俺三年)。好了，在咱不錯(cuò)的底子的作用下，我掌握了科研方法(其實(shí)很簡(jiǎn)單，日后我可能會(huì)為“談?wù)劮椒?rdquo;專門寫篇日志)?？上?，這時(shí)留給咱的時(shí)間不多了，中科院的碩博連讀是5年，這對(duì)很多童鞋們綽綽有余的，但是因本人的情商較低，被小人“陷害”，被耽擱了差不多一年。這時(shí)，我發(fā)揮了“虎”(東北話)的精神，選擇了一個(gè)應(yīng)用方向，終于開始了把數(shù)據(jù)分析和應(yīng)用結(jié)合的旅程了。具體過程按下不表，我先是把自己掌握的數(shù)據(jù)分析方法順次應(yīng)用了，或者現(xiàn)成的方法不適合，或者不能很好的解決問題，當(dāng)時(shí)相當(dāng)?shù)拿悦Ｑ剑y道是咱的底子出了問題。某一天，我又“頓悟”了，毛主席早就教育我們要“具體問題具體分析”，“教條主義”要不得，我應(yīng)該從問題的本質(zhì)入手，從本質(zhì)找方法，而不是妄想從繁多的方法去套住問題的本質(zhì)。好了，我辛苦了一段時(shí)間，終于解決了問題，不過，我卻有些糾結(jié)了。對(duì)于數(shù)據(jù)發(fā)分析，現(xiàn)在我的觀點(diǎn)就是“具體問題具體分析”，你首先要深入理解被分析的問題(領(lǐng)域)，盡力去尋找問題的本質(zhì)，然后你只需要使用些基本的方法就可以很好的解決問題了，看來“20/80法則”的幽靈無(wú)處不在呀。于是乎，咱又回到了原點(diǎn)，趕緊去學(xué)那些基礎(chǔ)知識(shí)方法吧，它們是很重要滴。

　　這里，說了一大堆，我做過總結(jié)：首先，你要掌握扎實(shí)的基礎(chǔ)知識(shí)，并且一定要深入理解，在自己的思維里搭建起一橋，它連接著抽象的數(shù)據(jù)分析方法和現(xiàn)實(shí)的應(yīng)用問題;其次，你要有意識(shí)的去訓(xùn)練分析問題的能力;最后，你要不斷的積累各方面的知識(shí)，記住沒有“無(wú)源之水”、“無(wú)根之木”，良好的數(shù)據(jù)分析能力是建立在豐富的知識(shí)儲(chǔ)備上的。

　　數(shù)據(jù)報(bào)告心得體會(huì)篇2

　　有人說生活像一團(tuán)亂麻，剪不斷理還亂;我說生活像一團(tuán)亂碼，盡管云山霧罩惝恍迷離，最后卻總會(huì)撥云見日雨過天晴。維克托邁爾舍恩伯格就把這團(tuán)亂碼叫做大數(shù)據(jù)，在他的這本書里，試圖給出的就是撥開云霧見青天的玄機(jī)。

　　這玄機(jī)說來也簡(jiǎn)單，就是放棄千百年來人們孜孜追求的因果關(guān)系轉(zhuǎn)而投奔相關(guān)關(guān)系。說來簡(jiǎn)單，其實(shí)卻顛覆了多少代人對(duì)真理探求的夢(mèng)想。我覺得作者是個(gè)典型的實(shí)用主義者，在美帝國(guó)主義萬(wàn)惡的壓迫和洗腦下，始終追逐性價(jià)比和利益最大化，居然放棄了追求共產(chǎn)主義真理最基本的要求!不像我們?cè)谔斐饷⒌幕\罩下，從小就開始學(xué)習(xí)和追求純粹的共產(chǎn)主義唯心科學(xué)歷史文化知識(shí)啦!這或許就是我們永遠(yuǎn)無(wú)法獲得諾貝爾獎(jiǎng)、永遠(yuǎn)無(wú)法站在科技最前沿的根本原因吧。其實(shí)小學(xué)時(shí)候，我就想過這個(gè)問題，相信所有的人都問過類似的問題，例如現(xiàn)在仍然很多人在問，媽的從來沒人知道我每天擺攤賺多少錢，你們他媽的那人均收入四五千是怎么算出來的。中國(guó)是抽樣的代表，因?yàn)橹袊?guó)人最喜歡用代表來表現(xiàn)整體，最典型的例子莫過于公布的幸福指數(shù)滿意指數(shù)各種指數(shù)永遠(yuǎn)都高于你的預(yù)期，你完全不清楚他是怎么來的，一直到最后匯總成三個(gè)代表，真心不清楚它到底能代表了啥。說這么多顯得自己是個(gè)憤青，其實(shí)只是想表達(dá)“樣本=總體”這個(gè)概念在科技飛速發(fā)展的今天，在世界的不同角落，還是會(huì)體現(xiàn)出不同的價(jià)值，受到不同程度的對(duì)待及關(guān)注。在大數(shù)據(jù)觀念的沖擊下，我們是不是真的需要將平時(shí)關(guān)注的重點(diǎn)從事物內(nèi)在的發(fā)展規(guī)律轉(zhuǎn)移到事物客觀的發(fā)生情況上。

　　大數(shù)據(jù)的出現(xiàn)，必然對(duì)諸多領(lǐng)域產(chǎn)生極大的沖擊，某些行業(yè)在未來十年必將會(huì)得到突飛猛進(jìn)的發(fā)展，而其他一些行業(yè)則可能會(huì)消失。這是廢話，典型的三十年河?xùn)|三十年河西的道理，就像三十年前的數(shù)理化王子們，現(xiàn)在可能蜷縮在某工廠的小角落里顫顫巍巍的修理機(jī)器;就像三十年前職業(yè)高中的學(xué)生才學(xué)財(cái)會(huì)學(xué)銀行，如今這幫孫子一個(gè)個(gè)都開大奔養(yǎng)小三攢的樓房夠給自己做墓群的了;當(dāng)然也不乏像生物這種專業(yè)，三十年前人們不知道是干啥的，三十年后人們都知道沒事別去干，唯一可惜的是我在這三十年之間的歷史長(zhǎng)河中卻恰恰選了這么一個(gè)專業(yè)，這也是為什么我現(xiàn)在在這寫讀后感而沒有跟姑娘去玩耍的原因。其實(shí)乍一看這個(gè)題目，我首先想到的是精益生產(chǎn)的過程控制，比如六西格瑪，這其實(shí)就是通過對(duì)所有數(shù)據(jù)的分析來預(yù)測(cè)產(chǎn)品品質(zhì)的變化，就已經(jīng)是大數(shù)據(jù)的具體應(yīng)用了。

　　而任何事物都會(huì)有偏差，會(huì)有錯(cuò)誤，也就是說，這全部的數(shù)據(jù)中，肯定是要出現(xiàn)很多與總體反應(yīng)出的規(guī)律相違背的個(gè)體，但是無(wú)論如何這也是該事件中一般規(guī)律的客觀體現(xiàn)的一種形式，要遠(yuǎn)遠(yuǎn)好過從選定的樣本中剔除異常值然后得到的結(jié)論。換句話說，也大大減少了排除異己對(duì)表達(dá)事物客觀規(guī)律的影響。就好比是統(tǒng)計(jì)局統(tǒng)計(jì)中國(guó)人民的平均收入一樣，這些數(shù)怎么這么低啊，這不是給我們國(guó)家在國(guó)際社會(huì)上的形象抹黑么，刪掉刪掉;這些數(shù)怎么這么高啊，這還不引起社會(huì)不滿國(guó)家動(dòng)蕩啊，刪掉刪掉。所以說，大數(shù)據(jù)至少對(duì)反應(yīng)客觀事實(shí)和對(duì)客觀事實(shí)做預(yù)測(cè)這兩個(gè)方面是有非常積極地意義的。而這個(gè)新興行業(yè)所體現(xiàn)的商機(jī)，既在如何利用數(shù)據(jù)上，又在如何取得數(shù)據(jù)上。

　　先說數(shù)據(jù)的利用，這里面表達(dá)的就是作者在通書中強(qiáng)調(diào)的對(duì)“相關(guān)關(guān)系”的挖掘利用。相關(guān)關(guān)系與因果關(guān)系便不再贅述，而能夠?qū)ο嚓P(guān)關(guān)系進(jìn)行挖掘利用的企業(yè)其實(shí)缺不多，因?yàn)榭梢韵嘈盼磥淼拇髷?shù)據(jù)庫(kù)就像現(xiàn)在的自然資源一樣，必將因?yàn)閷?duì)利益的追逐成為稀缺資源，而最終落在個(gè)別人或企業(yè)或部門的手中。想想無(wú)論當(dāng)你想要做什么事情的時(shí)候，都有人已經(jīng)提前知道并且為你做好了計(jì)劃，還真是一件甜蜜而又令人不寒而栗的事情。

　　而對(duì)于數(shù)據(jù)的獲取，我覺得必然是未來中小型企業(yè)甚至個(gè)人發(fā)揮極致的創(chuàng)造力的領(lǐng)域。如何在盡可能降低成本的情況下采集到越多越準(zhǔn)確的數(shù)據(jù)是必然的發(fā)展趨勢(shì)，鑒于這三個(gè)維度事實(shí)上都無(wú)法做到極致，那么對(duì)于數(shù)據(jù)獲取方式的爭(zhēng)奪肯定將成就更多的英雄人物。

　　現(xiàn)在回頭從說說作者書中的觀點(diǎn)中想到的，P87中關(guān)于巴斯德的疫苗的事件，描述了一個(gè)被瘋狗咬傷的小孩，在接種了巴斯德的狂犬疫苗后成功幸存，巴斯德成了英雄的故事。這是個(gè)非常有意思的案例，因?yàn)樾『⒈还芬疾〉母怕蕛H為七分之一，也就是說，本事件有85%的概率是小孩根本就不會(huì)患病。那么小孩的生命到底是不是巴斯德救的，而這疫苗到底是有效沒效，通過這個(gè)事件似乎根本就沒有辦法得到驗(yàn)證。這就好比某人推出個(gè)四萬(wàn)億計(jì)劃，但實(shí)際上國(guó)際經(jīng)濟(jì)形勢(shì)就是好轉(zhuǎn)，哪怕你只推出個(gè)二百五計(jì)劃，GDP都會(huì)蹭蹭的往上漲，而且又不會(huì)帶來四萬(wàn)億導(dǎo)致的嚴(yán)重通脹、產(chǎn)能過剩、房?jī)r(jià)泡沫等問題。那你說這四萬(wàn)億到底是救了國(guó)還是誤了國(guó)?回到我自己的工作領(lǐng)域上來，安全工作，我們一直遵循的方向都是尋找因果關(guān)系，典型的從工作前的風(fēng)險(xiǎn)評(píng)估，到調(diào)查事故的Taproot或者五個(gè)為什么，無(wú)一不是邏輯推理得到結(jié)果的產(chǎn)物。而事實(shí)上，如果能做到信息的豐富采集和匯總的話，找出事物之間的相關(guān)性，對(duì)提高工作環(huán)境的安全系數(shù)是極為有利的。這個(gè)點(diǎn)留著，看看可不可以在未來繼續(xù)做進(jìn)一步研究。

　　數(shù)據(jù)報(bào)告心得體會(huì)篇3

　　關(guān)于軟件

　　分析前期可以使用EXCEL進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)結(jié)構(gòu)調(diào)整、復(fù)雜的新變量計(jì)算(包括邏輯計(jì)算);在后期呈現(xiàn)美觀的圖表時(shí)，它的制圖制表功能更是無(wú)可取代的利器;但需要說明的是，EXCEL畢竟只是辦公軟件，它的作用大多局限在對(duì)數(shù)據(jù)本身進(jìn)行的操作，而非復(fù)雜的統(tǒng)計(jì)和計(jì)量分析，而且，當(dāng)樣本量達(dá)到“萬(wàn)”以上級(jí)別時(shí)，EXCEL的運(yùn)行速度有時(shí)會(huì)讓人抓狂。

　　SPSS是擅長(zhǎng)于處理截面數(shù)據(jù)的傻瓜統(tǒng)計(jì)軟件。首先，它是專業(yè)的統(tǒng)計(jì)軟件，對(duì)“萬(wàn)”甚至“十萬(wàn)”樣本量級(jí)別的數(shù)據(jù)集都能應(yīng)付自如;其次，它是統(tǒng)計(jì)軟件而非專業(yè)的計(jì)量軟件，因此它的強(qiáng)項(xiàng)在于數(shù)據(jù)清洗、描述統(tǒng)計(jì)、假設(shè)檢驗(yàn)(T、F、卡方、方差齊性、正態(tài)性、信效度等檢驗(yàn))、多元統(tǒng)計(jì)分析(因子、聚類、判別、偏相關(guān)等)和一些常用的計(jì)量分析(初、中級(jí)計(jì)量教科書里提到的計(jì)量分析基本都能實(shí)現(xiàn))，對(duì)于復(fù)雜的、前沿的計(jì)量分析無(wú)能為力;第三，SPSS主要用于分析截面數(shù)據(jù)，在時(shí)序和面板數(shù)據(jù)處理方面功能了了;最后，SPSS兼容菜單化和編程化操作，是名副其實(shí)的傻瓜軟件。

　　STATA與EVIEWS都是我偏好的計(jì)量軟件。前者完全編程化操作，后者兼容菜單化和編程化操作;雖然兩款軟件都能做簡(jiǎn)單的描述統(tǒng)計(jì)，但是較之SPSS差了許多;STATA與EVIEWS都是計(jì)量軟件，高級(jí)的計(jì)量分析能夠在這兩個(gè)軟件里得到實(shí)現(xiàn);STATA的擴(kuò)展性較好，我們可以上網(wǎng)找自己需要的命令文件(.ado文件)，不斷擴(kuò)展其應(yīng)用，但EVIEWS就只能等著軟件升級(jí)了;另外，對(duì)于時(shí)序數(shù)據(jù)的處理，EVIEWS較強(qiáng)。

　　綜上，各款軟件有自己的強(qiáng)項(xiàng)和弱項(xiàng)，用什么軟件取決于數(shù)據(jù)本身的屬性及分析方法。EXCEL適用于處理小樣本數(shù)據(jù)，SPSS、STATA、EVIEWS可以處理較大的樣本;EXCEL、SPSS適合做數(shù)據(jù)清洗、新變量計(jì)算等分析前準(zhǔn)備性工作，而STATA、EVIEWS在這方面較差;制圖制表用EXCEL;對(duì)截面數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析用SPSS，簡(jiǎn)單的計(jì)量分析SPSS、STATA、EVIEWS可以實(shí)現(xiàn)，高級(jí)的計(jì)量分析用STATA、EVIEWS，時(shí)序分析用EVIEWS。

　　關(guān)于因果性

　　做統(tǒng)計(jì)或計(jì)量，我認(rèn)為最難也最頭疼的就是進(jìn)行因果性判斷。假如你有A、B兩個(gè)變量的數(shù)據(jù)，你怎么知道哪個(gè)變量是因(自變量)，哪個(gè)變量是果(因變量)?

　　早期，人們通過觀察原因和結(jié)果之間的表面聯(lián)系進(jìn)行因果推論，比如恒常會(huì)合、時(shí)間順序。但是，人們漸漸認(rèn)識(shí)到多次的共同出現(xiàn)和共同缺失可能是因果關(guān)系，也可能是由共同的原因或其他因素造成的。從歸納法的角度來說，如果在有A的情形下出現(xiàn)B，沒有A的情形下就沒有B，那么A很可能是B的原因，但也可能是其他未能預(yù)料到的因素在起作用，所以，在進(jìn)行因果判斷時(shí)應(yīng)對(duì)大量的事例進(jìn)行比較，以便提高判斷的可靠性。

　　有兩種解決因果問題的方案：統(tǒng)計(jì)的解決方案和科學(xué)的解決方案。統(tǒng)計(jì)的解決方案主要指運(yùn)用統(tǒng)計(jì)和計(jì)量回歸的方法對(duì)微觀數(shù)據(jù)進(jìn)行分析，比較受干預(yù)樣本與未接受干預(yù)樣本在效果指標(biāo)(因變量)上的差異。需要強(qiáng)調(diào)的是，利用截面數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，不論是進(jìn)行均值比較、頻數(shù)分析，還是方差分析、相關(guān)分析，其結(jié)果只是干預(yù)與影響效果之間因果關(guān)系成立的必要條件而非充分條件。類似的，利用截面數(shù)據(jù)進(jìn)行計(jì)量回歸，所能得到的最多也只是變量間的數(shù)量關(guān)系;計(jì)量模型中哪個(gè)變量為因變量哪個(gè)變量為自變量，完全出于分析者根據(jù)其他考慮進(jìn)行的預(yù)設(shè)，與計(jì)量分析結(jié)果沒有關(guān)系。總之，回歸并不意味著因果關(guān)系的成立，因果關(guān)系的判定或推斷必須依據(jù)經(jīng)過實(shí)踐檢驗(yàn)的相關(guān)理論。雖然利用截面數(shù)據(jù)進(jìn)行因果判斷顯得勉強(qiáng)，但如果研究者掌握了時(shí)間序列數(shù)據(jù)，因果判斷仍有可為，其中最經(jīng)典的方法就是進(jìn)行“格蘭杰因果關(guān)系檢驗(yàn)”。但格蘭杰因果關(guān)系檢驗(yàn)的結(jié)論也只是統(tǒng)計(jì)意義上的因果性，而不一定是真正的因果關(guān)系，況且格蘭杰因果關(guān)系檢驗(yàn)對(duì)數(shù)據(jù)的要求較高(多期時(shí)序數(shù)據(jù))，因此該方法對(duì)截面數(shù)據(jù)無(wú)能為力。綜上所述，統(tǒng)計(jì)、計(jì)量分析的結(jié)果可以作為真正的因果關(guān)系的一種支持，但不能作為肯定或否定因果關(guān)系的最終根據(jù)。

　　科學(xué)的解決方案主要指實(shí)驗(yàn)法，包括隨機(jī)分組實(shí)驗(yàn)和準(zhǔn)實(shí)驗(yàn)。以實(shí)驗(yàn)的方法對(duì)干預(yù)的效果進(jìn)行評(píng)估，可以對(duì)除干預(yù)外的其他影響因素加以控制，從而將干預(yù)實(shí)施后的效果歸因?yàn)楦深A(yù)本身，這就解決了因果性的確認(rèn)問題。

　　關(guān)于實(shí)驗(yàn)

　　在隨機(jī)實(shí)驗(yàn)中，樣本被隨機(jī)分成兩組，一組經(jīng)歷處理?xiàng)l件(進(jìn)入干預(yù)組)，另一組接受控制條件(進(jìn)入對(duì)照組)，然后比較兩組樣本的效果指標(biāo)均值是否有差異。隨機(jī)分組使得兩組樣本“同質(zhì)”，即“分組”、“干預(yù)”與樣本的所有自身屬性相互獨(dú)立，從而可以通過干預(yù)結(jié)束時(shí)兩個(gè)群體在效果指標(biāo)上的差異來考察實(shí)驗(yàn)處理的凈效應(yīng)。隨機(jī)實(shí)驗(yàn)設(shè)計(jì)方法能夠在最大程度上保證干預(yù)組與對(duì)照組的相似性，得出的研究結(jié)論更具可靠性，更具說服力。但是這種方法也是備受爭(zhēng)議的，一是因?yàn)樗鼘?shí)施難度較大、成本較高;二是因?yàn)樵诟深A(yù)的影響評(píng)估中，接受干預(yù)與否通常并不是隨機(jī)發(fā)生的;第三，在社會(huì)科學(xué)研究領(lǐng)域，完全隨機(jī)分配實(shí)驗(yàn)對(duì)象的做法會(huì)涉及到研究倫理和道德問題。鑒于上述原因，利用非隨機(jī)數(shù)據(jù)進(jìn)行的準(zhǔn)試驗(yàn)設(shè)計(jì)是一個(gè)可供選擇的替代方法。準(zhǔn)實(shí)驗(yàn)與隨機(jī)實(shí)驗(yàn)區(qū)分的標(biāo)準(zhǔn)是前者沒有隨機(jī)分配樣本。

　　通過準(zhǔn)實(shí)驗(yàn)對(duì)干預(yù)的影響效果進(jìn)行評(píng)估，由于樣本接受干預(yù)與否并不是隨機(jī)發(fā)生的，而是人為選擇的，因此對(duì)于非隨機(jī)數(shù)據(jù)，不能簡(jiǎn)單的認(rèn)為效果指標(biāo)的差異來源于干預(yù)。在剔除干預(yù)因素后，干預(yù)組和對(duì)照組的本身還可能存在著一些影響效果指標(biāo)的因素，這些因素對(duì)效果指標(biāo)的作用有可能同干預(yù)對(duì)效果指標(biāo)的作用相混淆。為了解決這個(gè)問題，可以運(yùn)用統(tǒng)計(jì)或計(jì)量的方法對(duì)除干預(yù)因素外的其他可能的影響因素進(jìn)行控制，或運(yùn)用匹配的方法調(diào)整樣本屬性的不平衡性——在對(duì)照組中尋找一個(gè)除了干預(yù)因素不同之外，其他因素與干預(yù)組樣本相同的對(duì)照樣本與之配對(duì)——這可以保證這些影響因素和分組安排獨(dú)立。

　　隨機(jī)實(shí)驗(yàn)需要至少兩期的面板數(shù)據(jù)，并且要求樣本在干預(yù)組和對(duì)照組隨機(jī)分布，分析方法就是DID(倍差法，或曰雙重差分法);準(zhǔn)實(shí)驗(yàn)分析用截面數(shù)據(jù)就能做，不要求樣本在干預(yù)組和對(duì)照組隨機(jī)分布，分析方法包括DID(需兩期的面板數(shù)據(jù))、PSM(傾向性得分匹配法，需一期的截面數(shù)據(jù))和PSM-DID(需兩期的面板數(shù)據(jù))。從準(zhǔn)確度角度來說，隨機(jī)實(shí)驗(yàn)的準(zhǔn)確度高于準(zhǔn)實(shí)驗(yàn)和非實(shí)驗(yàn)分析。關(guān)于分析工具的選擇

　　數(shù)據(jù)報(bào)告心得體會(huì)篇4

　　轉(zhuǎn)眼間實(shí)習(xí)已去一月，之前因?yàn)楣ぷ髟蛐枰獝貉a(bǔ)大量的專業(yè)知識(shí)并加以練習(xí)，所以一直抽不開身靜下心來好好整理一下學(xué)習(xí)的成果。如今，模型的建立已經(jīng)完成，剩下的就是枯燥的參數(shù)調(diào)整工作。在這之前就先對(duì)這段時(shí)間的數(shù)據(jù)處理工作得到的經(jīng)驗(yàn)做個(gè)小總結(jié)吧。

　　從我個(gè)人的理解來看，數(shù)據(jù)分析工作，在絕大部分情況下的目的在于用統(tǒng)計(jì)學(xué)的手段揭示數(shù)據(jù)所呈現(xiàn)的一些有用的信息，比如事物的發(fā)展趨勢(shì)和規(guī)律;又或者是去定位某種或某些現(xiàn)象的原因;也可以是檢驗(yàn)?zāi)撤N假設(shè)是否正確(心智模型的驗(yàn)證)。因此，數(shù)據(jù)分析工作常常用來支持決策的制定。

　　現(xiàn)代統(tǒng)計(jì)學(xué)已經(jīng)提供了相當(dāng)豐富的數(shù)據(jù)處理手段，但統(tǒng)計(jì)學(xué)的局限性在于，它只是在統(tǒng)計(jì)的層面上解釋數(shù)據(jù)所包含的信息，并不能從數(shù)據(jù)上得到原理上的結(jié)果。也就是說統(tǒng)計(jì)學(xué)并不能解釋為什么數(shù)據(jù)是個(gè)樣子，只能告訴我們數(shù)據(jù)展示給了我們什么。因此，統(tǒng)計(jì)學(xué)無(wú)法揭示系統(tǒng)性風(fēng)險(xiǎn)，這也是我們?cè)诶媒y(tǒng)計(jì)學(xué)作為數(shù)據(jù)處理工具的時(shí)候需要注意的一點(diǎn)。數(shù)據(jù)挖掘也是這個(gè)道理。因?yàn)閿?shù)據(jù)挖掘的原理大多也是基于統(tǒng)計(jì)學(xué)的理論，因此所挖掘出的信息并不一定具有普適性。所以，在決策制定上，利用統(tǒng)計(jì)結(jié)果+專業(yè)知識(shí)解釋才是最保險(xiǎn)的辦法。然而，在很多時(shí)候，統(tǒng)計(jì)結(jié)果并不能用已有的知識(shí)解釋其原理，而統(tǒng)計(jì)結(jié)果又確實(shí)展示出某種或某些穩(wěn)定的趨勢(shì)。為了抓住寶貴的機(jī)會(huì)，信任統(tǒng)計(jì)結(jié)果，僅僅依據(jù)統(tǒng)計(jì)分析結(jié)果來進(jìn)行決策也是很普遍的事情，只不過要付出的代價(jià)便是承受系統(tǒng)環(huán)境的變化所帶來的風(fēng)險(xiǎn)。

　　用于數(shù)據(jù)分析的工具很多，從最簡(jiǎn)單的Office組件中的Excel到專業(yè)軟件R、Matlab，功能從簡(jiǎn)單到復(fù)雜，可以滿足各種需求。在這里只能是對(duì)我自己實(shí)際使用的感受做一個(gè)總結(jié)。

　　Excel：這個(gè)軟件大多數(shù)人應(yīng)該都是比較熟悉的。Excel滿足了絕大部分辦公制表的需求，同時(shí)也擁有相當(dāng)優(yōu)秀的數(shù)據(jù)處理能力。其自帶的ToolPak(分析工具庫(kù))和Solver(規(guī)劃求解加載項(xiàng))可以完成基本描述統(tǒng)計(jì)、方差分析、統(tǒng)計(jì)檢驗(yàn)、傅立葉分析、線性回歸分析和線性規(guī)劃求解工作。這些功能在Excel中沒有默認(rèn)打開，需要在Excel選項(xiàng)中手動(dòng)開啟。除此以外，Excel也提供較為常用的統(tǒng)計(jì)圖形繪制功能。這些功能涵蓋了基本的統(tǒng)計(jì)分析手段，已經(jīng)能夠滿足絕大部分?jǐn)?shù)據(jù)分析工作的需求，同時(shí)也提供相當(dāng)友好的操作界面，對(duì)于具備基本統(tǒng)計(jì)學(xué)理論的用戶來說是十分容易上手的。

　　SPSS：原名Statistical Package for the Social Sciences(社會(huì)科學(xué)統(tǒng)計(jì)軟件包)，現(xiàn)在已被IBM收購(gòu)，改名后仍然是叫SPSS，不過全稱變更為Statistical Product and Service Solutions(統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案)。SPSS是一個(gè)專業(yè)的統(tǒng)計(jì)分析軟件。除了基本的統(tǒng)計(jì)分析功能之外，還提供非線性回歸、聚類分析(Clustering)、主成份分析(PCA)和基本的時(shí)序分析。SPSS在某種程度上可以進(jìn)行簡(jiǎn)單的數(shù)據(jù)挖掘工作，比如K-Means聚類，不過數(shù)據(jù)挖掘的主要工作一般都是使用其自家的Clementine(現(xiàn)已改名為SPSS Modeler)完成。需要提一點(diǎn)的是SPSS Modeler的建模功能非常強(qiáng)大且智能化，同時(shí)還可以通過其自身的CLEF(Clementine Extension Framework)框架和Java開發(fā)新的建模插件，擴(kuò)展性相當(dāng)好，是一個(gè)不錯(cuò)的商業(yè)BI方案。

　　R：R是一個(gè)開源的分析軟件，也是分析能力不亞于SPSS和Matlab等商業(yè)軟件的輕量級(jí)(僅指其占用空間極小，功能卻是重量級(jí)的)分析工具。官網(wǎng)地址：支持Windows、Linux和Mac OS系統(tǒng)，對(duì)于用戶來說非常方便。R和Matlab都是通過命令行來進(jìn)行操作，這一點(diǎn)和適合有編程背景或喜好的數(shù)據(jù)分析人員。R的官方包中已經(jīng)自帶有相當(dāng)豐富的分析命令和函數(shù)以及主要的作圖工具。但R最大的優(yōu)點(diǎn)在于其超強(qiáng)的擴(kuò)展性，可以通過下載擴(kuò)展包來擴(kuò)展其分析功能，并且這些擴(kuò)展包也是開源的。R社區(qū)擁有一群非常熱心的貢獻(xiàn)者，這使得R的分析功能一直都很豐富。R也是我目前在工作中分析數(shù)據(jù)使用的主力工具。雖然工作中要求用Matlab編程生成結(jié)果，但是實(shí)際分析的時(shí)候我基本都是用R來做的。因?yàn)樵谡Z(yǔ)法方面，R比Matlab要更加自然一些。但是R的循環(huán)效率似乎并不是太高。

　　Matlab：也是一個(gè)商業(yè)軟件，從名稱上就可以看出是為數(shù)學(xué)服務(wù)的。Matlab的計(jì)算主要基于矩陣。功能上是沒話說，涵蓋了生物統(tǒng)計(jì)、信號(hào)處理、金融數(shù)據(jù)分析等一系列領(lǐng)域，是一個(gè)功能很強(qiáng)大的數(shù)學(xué)計(jì)算工具。是的，是數(shù)學(xué)計(jì)算工具，這東西的統(tǒng)計(jì)功能只不過是它的一部分，這東西體積也不小，吃掉我近3個(gè)G的空間。對(duì)于我來說，Matlab是一個(gè)過于強(qiáng)大的工具，很多功能是用不上的。當(dāng)然，我也才剛剛上手而已，才剛剛搞明白怎么用這個(gè)怪物做最簡(jiǎn)單的Garch(1,1)模型。但毫無(wú)疑問，Matlab基本上能滿足各領(lǐng)域計(jì)算方面的需求。

　　以上這些軟件算是主流了，數(shù)據(jù)分析軟件遠(yuǎn)不止這些，還有Eviews、S-plus等工具，因?yàn)闆]用過，所以也就不說了

猜你感興趣：

1.大數(shù)據(jù)讀書心得體會(huì)

2.做數(shù)據(jù)庫(kù)的心得體會(huì)

3.大數(shù)據(jù)時(shí)代讀書心得體會(huì)

4.統(tǒng)計(jì)工作學(xué)習(xí)心得體會(huì)

5.實(shí)踐報(bào)告心得

6.實(shí)訓(xùn)報(bào)告心得體會(huì)